RAG 與檢索評估的考點交集：四張證照重複考什麼，還有一張大家以為它考、其實沒有

TL;DR 真正把 RAG 與檢索評估當考點的是四張：AWS AIF-C01（第 2、3 章合計 52%，RAG、向量儲存、FM 評估指標全在裡面）、AWS AIP-C01（第 1 章 31% 裡有 11 個技能點落在向量儲存與 RAG）、NVIDIA NCP-AAI（Knowledge Integration 10% ＋ Evaluation and Tuning 13%）、微軟 AI-500（Develop 30–35% 裡的「多 agent RAG 架構」）。Google PMLE 只貢獻一條 LLM-as-a-judge，而 Claude CCDV-F——那張大家最容易假設它考 RAG 的開發者證照——八個領域裡一條檢索考點都沒有，Eval 只佔 2.6%。附 AIF 與 AIP 的同廠雙級別對照、四家名詞對照表、獨有考點清單與練習專案。

#certification #rag #retrieval #evaluation #career

哪幾張，考點各在哪
1. 先修掉一個誤解：Claude 的開發者證照不考 RAG
同一家、兩個級別：AIF-C01 與 AIP-C01 差在哪
交集：四張都在考的八件事
同一件事，四家四個名字
不能互相取代的部分
一個練習專案能蓋掉多少
只讀一份的話，讀哪一份
會過期的東西（下次複查看這裡）
參考資料

系列: AI 證照備考 (17 / 24)

多 agent 架構的考點交集：五張證照重複考什麼，又各自獨有什麼 AI 治理框架對照：EU AI Act、NIST AI RMF、ISO/IEC 42001，以及沒有一張證照點名它們

🌏 English version

本文是從官方資料建出來的備考材料，不是應考實錄 —— 作者沒有報考這些考試。所有「考什麼」都指回各家官方 exam guide 或 blueprint，來源逐條列在文末。查證日期：2026-08-18。

這是 AI 證照備考系列的技術深潛篇第二篇，接在多 agent 架構的考點交集之後。做法一樣：把「RAG 與檢索評估」這個被重複考的主題抽出來，一次講完交集，再標出不能互相取代的部分。

但這個主題有一件事得放在最前面講：選錯證照，這塊完全不會被考到。

哪幾張，考點各在哪

證照	RAG／檢索相關 domain	權重	這張的角度
AWS AIF-C01	2. Fundamentals of GenAI	24%	token、chunking、embedding、向量、context engineering、FM 生命週期
同上	3. Applications of Foundation Models	28%	RAG 與 Knowledge Bases、向量儲存服務、客製化成本取捨、FM 評估指標
同上	5. Security, Compliance, and Governance	14%	幻覺偵測與 grounding（v1.1 新增的 5.1.5）
AWS AIP-C01	1. FM Integration, Data Management, and Compliance	31%	1.4 向量儲存＋ 1.5 檢索與 RAG，是全系列最密的一塊
同上	4. Operational Efficiency and Optimization	12%	檢索速度、混合搜尋自訂評分、語意快取
同上	5. Testing, Validation, and Troubleshooting	11%	RAG 評估、LLM-as-a-Judge、embedding 品質診斷
NVIDIA NCP-AAI	Knowledge Integration and Data Handling	10%	檢索管線（RAG、嵌入搜尋、混合式）、向量庫最佳化
同上	Evaluation and Tuning	13%	評估管線、任務 benchmark、準確度與延遲取捨
微軟 AI-500	Develop 塊裡的「多 agent RAG 架構」	30–35% 的一部分	chunking、embedding 品質、檢索精準度三個詞並列
NVIDIA NCA-GENL（旁證）	Core ML and AI Knowledge 的條目層	30% 的一部分	為 RAG 整理與嵌入資料集、選模型做文字嵌入
Google PMLE	2. Collaborating to manage data and models	~16%	只有一條：用 LLM-as-a-judge 評估 GenAI 方案
Claude CCDV-F	—	—	八個領域裡沒有任何檢索考點

先修掉一個誤解：Claude 的開發者證照不考 RAG

CCDV-F 是最容易被假設「應該會考 RAG」的一張 —— 它是 Anthropic 四張認證裡給工程師的那張，官方 Intended Audience 寫的是用 Claude Agent SDK 建 agent、透過 API 整合、建自訂工具與 MCP server 的人。做 LLM 應用的人幾乎都在做 RAG，所以直覺會補上這一塊。

但官方 blueprint 的八個領域是這樣：

領域	比重
Applications and Integration	33.1%
Model Selection and Optimization	16.8%
Agents and Workflows	14.7%
Prompt and Context Engineering	11.0%
Tools and MCPs	10.6%
Security and Safety	8.1%
Claude Code	3.1%
Eval, Testing, and Debugging	2.6%

沒有一個領域或子領域寫到 RAG、檢索、向量或 embedding。 而且評估那塊 —— 也就是這個主題的另一半 —— 只有 2.6%，是八個領域裡最小的一個。

它跟本篇主題唯一的接點是 Prompt and Context Engineering 那 11.0%：工具輸出修剪、compaction、用 subagent 做 context 隔離、prompt caching 與 token 預算。那是「檢索回來之後怎麼塞進 context」，不是「怎麼檢索」。 這些內容在第七節會出現，但不足以讓 CCDV-F 成為一張 RAG 證照。

這個結論只能推到 blueprint 為止：官方沒有列出檢索目標，不代表題目裡不會出現 RAG 這個詞當情境背景。但你不能靠準備 RAG 去拿這張的分數，因為權重表上沒有它的位置。

同理，PMLE 也不是。 官方 exam guide 六章的 considerations 裡，唯一相關的一條是第 2 章的「用 LLM-as-a-judge 評估 GenAI 方案」。沒有 chunking、沒有向量庫、沒有檢索目標。它有 Agent Platform Feature Store，但那是 ML 特徵的儲存與服務，跟向量檢索是兩件事 —— 這組名詞是備考時最容易混掉的一對。

所以這篇的四張是：AIF-C01、AIP-C01、NCP-AAI、AI-500。PMLE 以一條目標的身分出現在第五節，NCA-GENL 當旁證。

同一家、兩個級別：AIF-C01 與 AIP-C01 差在哪

這兩張是本篇最有價值的對照，因為同一個廠商、同一套 Bedrock 生態，但對 RAG 的要求完全不同級別。

	AIF-C01（foundational，$100）	AIP-C01（professional，$300）
官方預設經驗	「使用但不一定要會建」，六個月接觸	兩年生產級應用開發＋一年 GenAI 實作
RAG 出現在	第 3 章 28% 的條目：RAG 與 Bedrock Knowledge Bases	第 1 章 31% 的兩個完整任務（1.4 ＋ 1.5）
向量儲存	列服務名稱：OpenSearch Service、Aurora、Neptune、RDS for PostgreSQL	列設計決策：階層組織、metadata 框架、分片與多索引、增量更新與排程刷新
chunking	第 2 章的名詞（token、chunking、embedding、向量並列）	三種具體實作＋除錯情境（動態 chunking、截斷錯誤）
評估	指標名稱：ROUGE、BLEU、BERTScore、LLM-as-a-judge、Bedrock Model Evaluation	評估流程：檢索品質測試、自動化品質閘門、golden dataset、A/B 與 canary
進階檢索	不考	混合搜尋、Bedrock reranker、查詢擴展／分解／轉換
題型	單選、複選、ordering、matching	只有單選與複選

一句話總結兩者的分界：AIF-C01 考的是你能不能把 RAG 講清楚並排出成本順序，AIP-C01 考的是你能不能把它建起來並在壞掉時修好。

最能說明這件事的是客製化方式的成本取捨。AIF-C01 第 3 章明列五種要你排序：預訓練、微調、in-context learning、RAG、模型蒸餾。這是選型題。AIP-C01 完全不考這個排序 —— 它假設你已經選了 RAG，直接跳到「那你的索引怎麼分片、來源文件改了之後多久同步」。

另一個反直覺的差異：ROUGE、BLEU、BERTScore 這三個指標只有 AIF-C01 點名，AIP-C01 的 5.1 講的是相關性、事實正確性、一致性、流暢度這種品質維度，加上 LLM-as-a-Judge 與檢索品質測試。foundational 那張反而更像傳統 NLP 評估課，professional 那張已經走到管線與閘門。準備 AIP-C01 的人如果沒讀過 AIF-C01 的考綱，會漏掉那三個縮寫。

Neptune 也是：AIF-C01 的向量儲存服務清單裡有 Neptune（圖資料庫），AIP-C01 的 1.4／1.5 沒有。同一家的兩份考綱在服務清單上不完全相容，兩張都要考的人別假設高階那張是低階的超集。

要點回指：AIF-C01 第 2 章（24%）＋第 3 章（28%），兩章合計 52%；AIP-C01 第 1 章（31%）。

交集：四張都在考的八件事

前四節是檢索機制（AIF-C01 到名詞層、AIP-C01 到實作層、NCP-AAI 到管線層、AI-500 到三個關鍵詞）；後四節是評估與取捨，交集最寬，PMLE 與 NCA-GENL 也在裡面。

只準備一張的話，後四節投報率最高，因為它在每張都出現。

一、chunking 是被點名的動詞，不是背景知識

AIP-C01 的 1.5 把 chunking 拆成三種具體實作：Bedrock 內建 chunking、Lambda 固定大小、階層式。這是幾份材料裡唯一把切法逐個列出來的。

其他家的等價考點：

AIF-C01：第 2 章把 token、chunking、embedding、向量四個詞並列在同一條目標裡，是概念層的認知要求
AI-500：「多 agent RAG 架構（chunking、embedding 品質、檢索精準度）」—— 三個詞並列，等於直接告訴你這三件事是一組
NCP-AAI：Knowledge Integration 那 10% 寫「檢索管線（RAG、嵌入搜尋、混合式）」，chunking 沒被單獨點名，含在管線裡
NCA-GENL：條目層寫「為 RAG 整理與嵌入內容資料集」

AIP-C01 還把 chunking 考進除錯題：第 5.2 明列 context window 溢位、動態 chunking、截斷錯誤，以及「向量化與 chunking 修正」。同一件事在第 1 章考設計、在第 5 章考救火 —— 代表題目會用「檢索結果被截斷」這種症狀反過來問你切法有什麼問題。

站內的 chunking 策略與 contextual retrieval 有各切法的實作差異，本篇不重複。

要點回指：AIP-C01 第 1 章（31%）1.5 ＋第 5 章（11%）5.2、AIF-C01 第 2 章（24%）、AI-500 Develop（30–35%）、NCP-AAI Knowledge Integration（10%）、NCA-GENL Core ML（30% 的條目層）。

二、embedding 選型是「選模型」也是「診斷」

AIP-C01 的 1.5 寫得最細：Amazon Titan embeddings、維度與領域適配、Lambda 批次 embedding。三個關鍵字對應三件不同的事 —— 選哪個模型、維度與領域是否匹配、大量文件怎麼批次跑。

AIF-C01：embedding 與向量是第 2 章的基礎名詞，要求的是能解釋而不是能調校
NCA-GENL：「選模型建立文字嵌入」是條目層的獨立一條
AI-500：只寫「embedding 品質」四個字，但它跟 chunking、檢索精準度並列，是同一條技能
NCP-AAI：寫「嵌入搜尋」，重點在搜尋不在選型

AIP-C01 一樣把它考進除錯：5.2 的「檢索問題」明列 embedding 品質診斷、drift 監控。embedding drift 這個詞只有 AIP-C01 有 —— 它要求你知道 embedding 模型換版或資料分布改變之後，既有索引會失效。

站內的 BGE-M3 embedding 模型選型與繁中 embedding 的 RAG 失效可以補「領域適配」那條在中文語境的具體樣貌。

要點回指：AIP-C01 第 1 章 1.5 ＋第 5 章 5.2、AIF-C01 第 2 章（24%）、AI-500 Develop、NCA-GENL Core ML、NCP-AAI Knowledge Integration。

三、向量儲存：從「列服務」到「做設計」

AIP-C01 的 1.4 是整個系列裡對向量儲存要求最高的一條考綱，官方列的是產品組合而不是原理：Bedrock Knowledge Bases 的階層組織、OpenSearch Service 與 Neural plugin、RDS 搭 S3 文件庫、DynamoDB 搭向量庫、metadata 框架（S3 物件 metadata、自訂屬性、標籤）、高效能索引（OpenSearch 分片、多索引、階層式索引）、與文件管理系統整合、資料維護（增量更新、即時變更偵測、同步流程、排程刷新）。1.5 再補上部署面：OpenSearch、Aurora pgvector、Bedrock Knowledge Bases 託管向量庫。

AIF-C01 的對應是一份服務清單：OpenSearch Service、Aurora、Neptune、RDS for PostgreSQL。認得出哪些 AWS 服務能當向量儲存就夠，不要求你設計索引。

NCP-AAI 的對應只有一句：「向量資料庫的設定與最佳化」。它把整塊壓成一條，這是它平台中立的代價 —— 準備時你得自己挑一套向量庫去練，官方不會告訴你練哪個。NCA-GENL 更淺，只在「Python 的自然語言套件（spaCy、NumPy、向量資料庫）」裡帶到名詞。

PMLE 在這裡是空的，前面說過的 Feature Store 不算。

最容易被低估的是資料維護那條：增量更新、即時變更偵測、同步流程、排程刷新這四個都是營運題，不是建置題。多數人建過向量庫但沒處理過「來源文件改了之後索引怎麼跟上」，而 AIP-C01 明確要考。站內的向量資料庫比較與知識管線的 RAG 品質控制對應這塊。

要點回指：AIP-C01 第 1 章（31%）1.4 ＋ 1.5、AIF-C01 第 3 章（28%）、NCP-AAI Knowledge Integration（10%）、NCA-GENL Core ML（30% 的條目層）。

四、混合檢索、reranker 與查詢處理

AIP-C01 的 1.5 把進階檢索列成兩條：進階搜尋（關鍵字＋向量混合、Bedrock reranker 模型），以及查詢處理（查詢擴展、分解、轉換）。第 4.2 再從效能角度考一次：檢索速度（索引最佳化、查詢前處理、混合搜尋自訂評分）。

NCP-AAI 只有一個詞對應：檢索管線的「混合式」。reranker 在 AIF-C01、NCP-AAI、NCA-GENL、AI-500、PMLE 的官方措辭裡都找不到 —— 這是 AIP-C01 獨有的具名考點，也是這一節裡 foundational 與 professional 落差最大的地方。

AIP-C01 還有一條別家沒有的存取機制：function calling、用 MCP client 查詢向量庫、標準化檢索 API。把 MCP 拉進檢索層這件事只有它考 —— 值得注意的是 AIF-C01 與 AI-500 都考 MCP，但考的是 agent 與工具的連接，不是查詢向量庫。

站內對應：混合檢索 BM25 + 向量 + RRF、cross-encoder reranking、多查詢擴展。

要點回指：AIP-C01 第 1 章 1.5 ＋第 4 章（12%）4.2、NCP-AAI Knowledge Integration（10%）。

五、檢索精準度怎麼量：RAG 評估與 LLM-as-a-judge

這是全篇覆蓋最廣的一節，六份材料全部命中。

AIF-C01 第 3 章：FM 評估的方法與指標 —— human-in-the-loop、benchmark、Bedrock Model Evaluation、ROUGE／BLEU／BERTScore／LLM-as-a-judge，並且明列「評估用 FM 建的應用（RAG、agent、workflow）」與業務對齊指標（任務完成率、使用者滿意度、每次互動成本，v1.1 新增的 3.4.5）
AIP-C01 5.1：RAG 評估與 LLM-as-a-Judge、人類回饋；檢索品質測試（相關性評分、脈絡匹配、檢索延遲）；品質指標（相關性、事實正確性、一致性、流暢度）；Bedrock Model Evaluations、A/B 與 canary、自動化品質閘門
NCP-AAI Evaluation and Tuning（13%）：評估管線與任務 benchmark、跨任務與資料集比較
AI-500：針對記憶、知識、工具、prompt 分別做評估，以及持續改善的 LLM-as-a-judge 框架
PMLE 第 2 章：「用 LLM-as-a-judge 評估 GenAI 方案」—— 這一條就是它對本主題的全部貢獻
NCA-GENL Experimentation（22%）：「如何執行、評估與詮釋實驗，包含 AI 模型評估」

LLM-as-a-judge 是唯一六份材料都寫出來的名詞。 如果整篇只記一件事，記這個。

四個切法值得分開記，因為考法不同：

切法	誰考	題目長相
指標名稱層（ROUGE／BLEU／BERTScore）	AIF-C01 獨有	給一個評估任務問該用哪個指標
品質維度層（相關性／事實正確性／一致性／流暢度）	AIP-C01	給情境問該量哪個維度
元件層（記憶／知識／工具／prompt 分別評）	AI-500	給一個壞掉的系統問該先評哪一塊
應用層（評估 RAG／agent／workflow 這種組合系統）	AIF-C01、AIP-C01	問「模型好但系統壞」該怎麼定位

AIP-C01 的「檢索品質測試」那條要單獨拉出來：相關性評分、脈絡匹配、檢索延遲三者並列，代表官方把延遲當成檢索品質的一部分，不是另一個維度。這跟多數人的直覺不同。

站內的 RAG 評估框架、self-reflection 與 LLM-as-judge、語意相似度與檢索相關性的落差是這節的實作背景，本篇不重寫。

要點回指：AIF-C01 第 3 章（28%）、AIP-C01 第 5 章（11%）5.1、NCP-AAI Evaluation and Tuning（13%）、AI-500 Evaluate（20–25%）、PMLE 第 2 章（~16%）、NCA-GENL Experimentation（22%）。

六、人在迴圈：標註、回饋與人工審查

自動評估不夠，這點四家都同意，但要求的東西不同：

AIF-C01：human-in-the-loop 就寫在 FM 評估那條的第一個位置；第 4 章另有「以人為本的設計（使用者回饋機制、AI 決策透明度）」與偵測工具（標註品質分析、人工稽核、子群分析）
AIP-C01 5.1：使用者回饋介面、評分系統、標註流程；3.4 另有「LLM-as-a-judge 自動評估」與人類判斷並列
NCP-AAI：Evaluation and Tuning 裡的「結構化使用者回饋的蒐集與整合」，加上獨立成 5% 的 Human-AI Interaction and Oversight
AI-500：「在 Foundry 裡設計人工審查流程」是評估塊的明列技能
NCA-GENL：Experimentation 那 22% 的官方定義直接寫「在標註或 RLHF 中使用人類受試者」

要注意措辭差異：AIF-C01 要的是認知（知道 human-in-the-loop 是評估方法之一），AIP-C01 要的是介面與流程（你要設計出可用的回饋收集機制），NCA-GENL 要的是人類受試者的實驗方法（更偏研究倫理與實驗設計）。三者不能互相替代。

要點回指：AIF-C01 第 3 章（28%）＋第 4 章（14%）、AIP-C01 第 5 章 5.1 ＋第 3 章（20%）3.4、NCP-AAI Evaluation（13%）＋ Human-AI Interaction（5%）、AI-500 Evaluate（20–25%）、NCA-GENL Experimentation（22%）。

七、延遲、成本與準確度的三角

NCP-AAI 把它寫成一條技能：「準確度與延遲效率的取捨調校」
AIP-C01 拆得最細。4.1 成本：token 估算與追蹤、context window 最佳化、prompt 壓縮與 context pruning、依查詢複雜度分層使用 FM、語意快取、結果指紋、邊緣快取、確定性請求雜湊、prompt caching。4.2 效能：延遲最佳化的 Bedrock 模型、平行請求、串流、benchmark、吞吐量、temperature 與 top-k／top-p 的選擇
AIF-C01 用概念題涵蓋同一件事：第 2 章的 token 計價模型及其對成本與推論效能的影響（v1.1 新增的 2.1.4）與 context engineering 在 FM 應用中的角色（2.1.5）；第 3 章的 FM 選擇準則明列成本、延遲、輸入輸出長度、prompt caching
PMLE 第 1 章：「針對成本、延遲、可用性最佳化 Gemini 應用」

AIF-C01 的 token 計價那條特別值得拿去用，即使你不考這張：它要求的是「同樣一個任務，換模型或壓縮 prompt 之後成本差多少」這種可量化的判斷，而這正是 RAG 系統上線後最先被問到的問題。

這裡也是 CCDV-F 唯一沾到邊的地方：它的 Prompt and Context Engineering（11.0%）考 token 預算與成本建模、prompt caching 與 cache check-pointing、工具輸出修剪與 compaction、用 subagent 做 context 隔離。「工具輸出修剪」與 AIP-C01 的「context pruning」是同一件事的兩個名字，而 cache check-pointing 是 CCDV-F 獨有的詞。但如前所述，這些是 context 管理不是檢索。

站內的語意快取與 RAG 成本最佳化對應這節。

要點回指：AIP-C01 第 4 章（12%）4.1 ＋ 4.2、AIF-C01 第 2 章（24%）＋第 3 章（28%）、NCP-AAI Evaluation and Tuning（13%）、PMLE 第 1 章（~13%）。

八、輸出端與上線後：grounding、幻覺率與 drift

檢索系統的輸出端與上線監控，是四家分歧最有意思的一節 —— 每家盯的東西都不一樣：

證照	官方要你做什麼
AIF-C01（5.1.5，v1.1 新增）	幻覺偵測與 grounding：RAG grounding、輸出驗證、信心分數 —— 官方把 RAG 直接寫成 grounding 手段
AIP-C01（4.3）	token 用量、prompt 有效性、幻覺率、回應品質；異常偵測（token 暴衝、回應漂移）；Bedrock Model Invocation Logs；向量庫營運監控；用 golden dataset 偵測幻覺、輸出 diff、推理路徑追蹤
NCP-AAI（Run/Monitor/Maintain）	監控儀表板與可靠性指標、日誌與異常追蹤、持續與前版做 benchmark
AI-500	sliding-window amnesia、summary drift、vector-only recall、entity continuity 四種 context window 失效模式
PMLE（第 6 章）	training-serving skew、data drift、concept drift、feature attribution drift 四種，用 Model Monitoring

AIF-C01 的 5.1.5 是這幾份裡唯一把 RAG 明確定位成「幻覺的解法」的一條，而且它把 grounding、輸出驗證、信心分數三件事綁在一起 —— AIP-C01 的第 3.1 也有等價的組合拳（Knowledge Base grounding 加事實查核、信心分數、JSON Schema 結構化輸出），但它放在安全章而不是治理章。同一個技巧在兩張的章節歸屬不同，讀考綱時別照章節標題找。

五家都在講 drift，講的卻不是同一種 drift。 PMLE 的四種是統計分布的漂移（傳統 ML 監控），AIP-C01 的「回應漂移」與「embedding drift」是生成與檢索層的，AI-500 的四種是 context window 的失效模式。考試裡看到 drift 這個字，先確認是哪一層。

golden dataset 只有 AIP-C01 點名，而 AI-500 的 vector-only recall 是這幾份材料裡唯一一個直接描述「只靠向量檢索會漏掉什麼」的具名失效模式 —— 對做 RAG 的人，這個詞比它出現在多 agent 考綱裡更有用。

NCP-AAI 的權重要標一個坑：Run, Monitor, and Maintain 這塊官方網頁寫 5%、官方 PDF study guide 寫 7%，兩份都在 nvidia.com。同一份表的 Deployment and Scaling 也對不上（網頁 13%、PDF 5%）。準備時當成不確定區間，別挑一個當事實。

站內的 RAG 可觀測性與 tracing、RAG 失效模式、RAG A/B 測試對應這節。

要點回指：AIF-C01 第 5 章（14%）5.1.5、AIP-C01 第 4 章（12%）4.3 ＋第 3 章（20%）3.1、NCP-AAI Run/Monitor/Maintain（5–7%，兩版矛盾）、AI-500 Evaluate（20–25%）、PMLE 第 6 章（~13%）。

同一件事，四家四個名字

概念	AWS（AIF-C01／AIP-C01）	NVIDIA（NCP-AAI／NCA-GENL）	微軟（AI-500）	Google（PMLE）
文件切分	名詞層 chunking／三種實作＋動態 chunking 除錯	含在「檢索管線」裡、「為 RAG 整理資料集」	chunking（與 embedding 品質、檢索精準度並列）	不考
向量化	embedding 與向量名詞／Titan embeddings、維度與領域適配、embedding 品質診斷	嵌入搜尋、「選模型建立文字嵌入」	embedding 品質	不考（Feature Store 不是這個）
向量儲存	服務清單（OpenSearch／Aurora／Neptune／RDS）／設計決策（分片、多索引、metadata 框架、增量更新）	「向量資料庫的設定與最佳化」一句話	（未單獨列出）	不考
進階檢索	不考／關鍵字＋向量混合、Bedrock reranker、查詢擴展與分解與轉換	「混合式」一個詞	檢索精準度	不考
評估指標	ROUGE／BLEU／BERTScore／相關性、事實正確性、一致性、流暢度	任務 benchmark、跨資料集比較	記憶／知識／工具／prompt 分別評估	不考
LLM 評審	LLM-as-a-judge（兩張都有）	評估管線	LLM-as-a-judge 框架	LLM-as-a-judge（唯一相關目標）
人在迴圈	human-in-the-loop 認知／回饋介面、評分系統、標註流程	結構化回饋蒐集、Human-AI Oversight 5%	Foundry 人工審查流程	負責任 AI 與偏誤監控
成本控制	token 計價模型、prompt caching／語意快取、context pruning、分層 FM	準確度與延遲取捨調校	平行度與速率限制	針對成本、延遲、可用性最佳化 Gemini 應用
幻覺處理	RAG grounding、輸出驗證、信心分數／grounding ＋事實查核＋結構化輸出	偏誤與毒性緩解	vector-only recall 等四種失效模式	Model Armor
上線監控	不考／幻覺率、回應漂移、golden dataset、向量庫營運監控	監控儀表板、與前版 benchmark	四種 context window 失效模式	四種 drift、Model Monitoring

Anthropic 不在這張表上，那本身就是結論：CCDV-F 的八個領域在這十列裡只填得出「成本控制」一格（token 預算、prompt caching、cache check-pointing、compaction）。

這張表最該看的是「不考」那些格。 它們不是我沒查到，是官方 considerations／blueprint 裡確實沒有 —— 你在 PMLE 的準備時間裡讀 chunking 與向量庫，考試不會回報你。

不能互相取代的部分

AIF-C01 獨有：ROUGE／BLEU／BERTScore 三個指標、五種客製化方式的成本排序（預訓練／微調／in-context learning／RAG／模型蒸餾）、把 Neptune 列進向量儲存服務、token 計價模型、業務對齊指標（任務完成率、使用者滿意度、每次互動成本）、Generative AI Security Scoping Matrix、prompt 風險四件套（曝露、poisoning、hijacking、jailbreaking）。加上 ordering 與 matching 兩種題型 —— 這兩種部分答對不給分，AIP-C01 沒有。

AIP-C01 獨有：Bedrock reranker 模型、metadata 框架（S3 物件 metadata／自訂屬性／標籤）、OpenSearch 分片與多索引與階層式索引、Aurora pgvector、用 MCP client 查詢向量庫、增量更新與即時變更偵測與排程刷新、embedding 品質診斷與 drift 監控、golden dataset 偵測幻覺、語意快取與結果指紋與確定性請求雜湊、檢索品質測試的三個維度、自動化品質閘門、Bedrock Agent evaluations。這張是唯一能靠它一張把 RAG 補完的。

NCP-AAI 獨有：那 7% 的 NVIDIA Platform Implementation —— NeMo Guardrails、NIM microservices、NeMo Agent Toolkit、TensorRT-LLM、Triton Inference Server；加上「對結構化與非結構化知識的即時存取與推理」與知識圖譜關聯推理。除了那 7%，其餘九個領域的措辭是這幾份裡廠商中立度最高的，可以當通用詞彙表。

AI-500 獨有：vector-only recall 等四種 context window 失效模式的具名、針對記憶／知識／工具／prompt 分別評估、把 RAG 放進多 agent 脈絡（「供多 agent 消費的知識整合」）。

PMLE 獨有：四種 drift 的區分（training-serving skew、data drift、concept drift、feature attribution drift）與 Model Monitoring、Model Armor。這些跟檢索無關，但跟「AI 系統上線後怎麼盯」高度相關。

一個練習專案能蓋掉多少

這份清單對應上面八節，做完能蓋掉交集，蓋不掉獨有那節：

同一份文件庫用三種切法各建一次索引（固定大小、階層式、依語意邊界），量同一組問題的召回差異 →（一）
換一個 embedding 模型重跑，把「換模型之後既有索引為什麼失效」實際踩一次 →（二）
建兩套向量儲存（一套託管、一套自管），比較 metadata 過濾與增量更新的差別；刻意改一份來源文件，看索引多久跟上 →（三）
加上關鍵字＋向量的混合檢索與一個 reranker，分別量 top-k 的變化 →（四）
建一組 golden dataset，同時用 LLM-as-a-judge 與 ROUGE／BERTScore 跑一次，看兩種指標在同一批答案上排序是否一致 →（五）
做一個人工標註介面（哪怕只是一張表單），把人的評分跟 judge 的評分對起來看落差 →（六）
加語意快取與 prompt caching，量成本下降多少、命中錯誤的比例多少；順便把「換模型或壓 prompt 之後每次互動成本差多少」算出來 →（七）
上線後盯四件事：幻覺率、embedding drift、向量庫查詢延遲、信心分數低於門檻的比例，各設一條告警 →（八）

第 5 步是這份清單裡最划算的一步，因為它同時蓋掉 AIF-C01 的指標題與 AIP-C01 的品質閘門題，而多數人只做過其中一種。

補獨有考點的最短路徑：AWS 線讀 AIF-C01 官方 exam guide 的第 3 章與 AIP-C01 官方 exam guide 的 1.4／1.5／5.1；NVIDIA 線那 7% 只能讀自家產品文件或買 DLI 課（Evaluating RAG and Semantic Search Systems 是五門裡最便宜的一門，$30／3 小時，直接對應 Evaluation and Tuning）；微軟線讀 AI-500 study guide；Google 線讀 Model Monitoring 與 Model Armor 文件。

只讀一份的話，讀哪一份

看你要哪一層。

要完整的檢索檢核表：AIP-C01 的官方 exam guide。 它的 1.4 與 1.5 是這幾份材料裡唯一把 RAG 從資料進場到檢索出場逐條列完的 —— 27 個技能點裡的 11 個落在這兩條，AIP-C01 那篇依技能點比例把它換算成整張考試的 15% 到 18%（那是依比例推算，不是官方數字，官方只公布章節權重）。它是免費公開的 HTML，不需報名，而且把別家沒命名的東西命名了（embedding drift、golden dataset、檢索品質測試的三個維度）。

要最短的詞彙表：AIF-C01 的官方 exam guide。 第 2、3 章合計 52%，而且它是這幾份裡唯一把評估指標的縮寫逐個列出來的。讀完成本遠低於 AIP-C01，卻能把整個主題的名詞掃過一遍。但要注意版本：v1.1（2026-04-30）新增七條目標，包含 token 計價、context engineering、agentic AI 與 MCP、幻覺偵測與 grounding，改版紀錄頁有逐條對照 —— 舊版整理文幾乎都缺這七條。

兩者共同的偏誤：都繞著 Bedrock 生態，名詞是 AWS 的。想要中立版本，讀 NCP-AAI 的十個領域描述 —— Knowledge Integration 與 Evaluation and Tuning 那兩塊的措辭不綁產品。

站內想一次補完 RAG 方法論的話，RAG patterns 完整指南是入口。

會過期的東西（下次複查看這裡）

項目	現況（2026-08-18 查證）	什麼時候要重查
AIF-C01 考綱版本	v1.1（2026-04-30 發布），新增七條目標	revisions 頁每次更新
AIF-C01 五章權重	20 / 24 / 28 / 14 / 14	每次改版
AIP-C01 五章權重	31 / 26 / 20 / 12 / 11	每次改版
AIP-C01 考綱內容	已含 Bedrock AgentCore（2026-03 refresh）	每次 AWS re:Invent 之後
NCP-AAI 報名	Coming soon，尚未開放	每月
NCP-AAI 權重矛盾	網頁合計 98%、PDF 合計 92%，兩項數字不同	開放報名時
AI-500 狀態	仍是 beta，官方部落格寫 GA 預計 2026/10	每月
PMLE 是否加入檢索考點	目前 considerations 只有一條 LLM-as-a-judge	Google Cloud Next 之後
CCDV-F 是否加入檢索考點	目前 blueprint 八個領域皆無	每次 guide 改版

參考資料

站內相關